零基础入门CV(一)

Task1 赛题理解

本章节主要对赛题背景以及使用的数据进行讲解，并给出解题思路。
赛题链接：https://tianchi.aliyun.com/competition/entrance/531795/information

1、赛题背景

赛题以计算机视觉中字符识别为背景，预测真实场景下的字符识别，这是一个典型的字符识别问题。通过这道赛题可以引导大家走入计算机视觉的世界，上手视觉赛题，提高对数据建模能力。

2、赛题数据

赛题来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN），并根据一定方式采样得到比赛数据集。该数据来自真实场景的门牌号。训练集数据包括3W张照片，验证集数据包括1W张照片，每张照片包括颜色图像和对应的编码类别和具体位置。

*数据集样本展示

2.1、数据标签

所有的数据（训练集、验证集和测试集）的标注使用JSON格式，并使用文件名进行索引。如果一个文件中包括多个字符，则使用列表将字段进行组合。
对于训练数据每张图片将给出对于的编码标签，和具体的字符框的位置（训练集、测试集和验证集都给出字符位置），可用于模型训练：

Field	Description
top	左上角坐标X
height	字符高度
left	左上角坐标Y
width	字符宽度
label	字符编码

字符的坐标具体如下所示：

注：数据集来源自SVHN（http://ufldl.stanford.edu/housenumbers/）。一共五个文件，2个json文件，3个数据集的zip文件。分别为train.json, val.json, train.zip, val.zip, test_a.zip train为训练集，用于训练模型；val为验证集，用于验证模型的效果；test_a为最终测试集。

• 在比赛数据（训练集、测试集和验证集）中，同一张图片中可能包括一个或者多个字符，因此在比赛数据的JSON标注中，会有两个字符的边框信息：

原始图片	图片JSON标注

3、评测标准

评价标准为准确率，结果与实际图片的编码进行对比，以编码整体识别准确率为评价指标，结果越大越好，具体计算公式如下：
$$score$$